李宏毅深度强化学习笔记（五）Q-learning（Continuous Action）

参考jessie_weiqing博客：https://blog.csdn.net/cindy_1102/article/details/87907470
李宏毅深度强化学习课程 https://www.bilibili.com/video/av24724071

李宏毅深度强化学习笔记（五）Q-learning（Continuous Action）

连续行动下的 Q-Learning

连续行动:
在某些情况下，action是一个连续向量（比如驾驶类游戏，需要决定一个连续的角度）
在这种情况下，Q learning 并不是一个用来寻找最佳action的好方法

• 解决方式一:
  采样一系列行动，看哪个行动会返回最大的Q值
• 解决方式二:
  使用梯度上升来解决这个优化问题（具有较高的计算成本）
• 解决方式三:
  设计一个网络来使得这个优化过程更简单
  

这里 ∑ 和 μ 是高斯分布的方差和均值，因此，该矩阵 ∑一定是正定的。要让Q值较高，意味着要使得$(a-\mu {)}^2$的值更小，也就是说 a=μ \muμ.